Tải bản đầy đủ - 0 (trang)
Bảng 4.1 Các thủ tục của giải thuật huấn luyện AiNet

Bảng 4.1 Các thủ tục của giải thuật huấn luyện AiNet

Tải bản đầy đủ - 0trang

Chương 4. Cài đặt



Loại bỏ các kháng thể giá trị ái lực



MetaDynamicClonal



với kháng nguyên hiện tại nhỏ hơn một

giá trị ngưỡng được xác định trước đó.

Tốn tử giao chéo, thực hiện việc



Crossover



trao đổi thông tin giữa hai kháng thể bố

mẹ để tạo ra các kháng thể con có độ

thích nghi tốt hơn.

Tốn tử đột biến, các kháng thể có



Mutation



khả năng xuất hiện đột biến ở một tỉ lệ

nào đó nhằm tạo ra các nguồn nguyên

liệu mới cho quá trình huấn luyện

Chọn lọc nhân bản, tiến hành nhân



ClonalSelection



bản các kháng thể theo độ thích nghi của

chúng. Bổ sung các thao tác đột biến,

giao chéo, chọn lọc cần thiết để định

hướng quá trình huấn luyện

Cập nhật quần thể kháng thể nhớ và



UpdateClonalSmemory



quần thể kháng thể bản sao.

Thực hiện một kỷ nguyên, một quá



RunEpochs



trình kết thúc một thế hệ này để tạo thành

một thế hệ mới

Thủ tục huấn luyện



Learning



4.1.3 Xây dựng lớp biểu diễn kháng thể

Kháng thể là một đối tượng quan trọng trong mơ hình ANIN, là dạng mã hố của

mạng nơ-ron, chứa thông tin về cấu trúc mạng cũng như các trọng số của mạng. Mục

đích là để thuận lợi trong quá trình huấn luuyện, giải thuật AiNet sẽ thao tác trực tiếp

76



Chương 4. Cài đặt



trên mảng các giá trị thay vì phải thao tác trên một mơ hình ANNs phức tạp. Hai thuộc

tính chính của một kháng thể là một mảng số ngun, chứa thơng tin về kích thước

mạng nơ ron mà nó mã hố như số đơn vị đầu vào, số lớp ẩn, số nơ-ron mỗi lớp ẩn, số

đơn vị đầu ra. Mảng trọng số, lưu trữ trọng số của các liên kết giữa các nơ-ron trong

mạng được xây dựng bằng một mảng các giá trị thực.

Bên cạnh hai thuộc tính chính là mảng trọng số và mảng cấu trúc, một kháng thể

còn phải chứa thơng tin về giá trị thích nghi của nó đồng thời cho phép thực hiện các

toán tử huấn luyện ở mức độ cá thể như giao chéo, đột biến.

4.1.3.1 Xây dựng lớp quản lý kháng thể, kháng nguyên

Một lớp được xây dựng nhầm biễu diễn đối tượng mơi trường. Lớp này có nhiệm

vụ lưu trữ các dữ liệu huấn luyện như tập dữ liệu sạch, tập dữ liệu mã độc, tập các

kháng nguyên.

4.1.3.2 Xây dựng lớp biểu diễn hàm mục tiêu

Hàm mục tiêu hay còn gọi là hàm thích nghi được dùng để tính tốn giá trị thích

nghi của một kháng thể đối với môi trường. Đầu tiên, hàm mục tiêu sẽ xác định chênh

lệch đầu ra giữa mạng nơ-ron được giải mã từ kháng thể và kết quả đầu ra mong muốn

với cùng một kháng nguyên đang được trình diện, giá trị chênh lệch này được gọi là

giá trị lỗi error. Tiếp đó, tỉ lệ dương tính giả được xác định dựa trên tỉ lệ các chuỗi mã

sạch bị cảnh báo nhầm thành virus. Cuối cùng, giá trị thích nghi của một kháng thể sẽ

được tính từ giá trị lỗi error và tỉ lệ dương tính giả này theo cơng thức đã được đề cập

ở 3.2.4

Các lớp đối tượng biểu diễn một kháng thể, môi trường và hàm mục tiêu được mô

tả như trong Hình 4.5



77



Chương 4. Cài đặt



Hình 4.5 Lớp biễu diễn đối tượng kháng thể, môi trường, hàm mục tiêu



4.1.4 Xây dựng giao diện

Quá trình huấn luyện phát sinh các bộ phát hiện được xây dựng giao diện như

một module riêng biệt, có khả năng tải các dữ liệu huấn luyện đã được lưu trữ trước đó

vào mơi trường thực hiện, đồng thời cho phép lưu trữ kết quả thực hiện sau khi q

trình huấn luyện kết thúc.

Bên cạnh đó, các thơng số chính của q trình huấn luyện được trình bày trên

giao diện, cho phép chúng ta có thể điều chỉnh để lựa chọn thông số tương ứng để khảo

78



Chương 4. Cài đặt



sát hoạt động của mơ hình theo sự biến đổi của các thơng số quan trọng. Ngồi ra, để

thuận tiện cho việc quan sát quá trình huấn luyện, một mơ hình biểu diễn bằng biểu đồ

được xây dựng cho phép ta quan sát các giá trị lỗi, tỉ lệ dương tính giả trên mỗi vòng

lặp của giải thuật huấn luyện cũng như thông tin về thời gian tiêu hao, phần trăm cơng

việc đã hồn thành… Sau khi q trình huấn luyện kết thúc, ta hồn tồn có thể lựa

chọn lại một thời điểm trong quá khứ mà mô hình cho ra kết quả tốt nhất được thể hiện

trên biểu đồ, thời điểm mà trước khi hiện tượng overtrain xảy ra.



Begin



Training

Data



AiNet

Antibodies

Decoding



Detectors



End

Hình 4.6 Mơ hình tổng qt của module



Một module xây dựng bộ phát hiện gồm hai bộ phận chính, trong đó

AiNetđóng vai trò là người huấn luyện còn Decoding có chức năng giải mã thơng

tin từ các kháng thể nhớ thành các mạng nơ ron tương ứng.



79



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Bảng 4.1 Các thủ tục của giải thuật huấn luyện AiNet

Tải bản đầy đủ ngay(0 tr)

×